基金項(xiàng)目：校科研基金資助項(xiàng)目（NO：KX990208）人工智能技術(shù)在處理那些基于精確數(shù)學(xué)模型的傳統(tǒng)方法不能很湊效的、具有高度非線性、時(shí)變性及不確定性對(duì)象時(shí)，具有獨(dú)特的效果。回顧控制理論的發(fā)展歷程可以看出，它的發(fā)展過程反映了人類由機(jī)械化時(shí)代進(jìn)入電氣化時(shí)代，并走向自動(dòng)化、信息化、智能化時(shí)代。從60年代起，由于空間技術(shù)、計(jì)算機(jī)技術(shù)及人工智能技術(shù)的發(fā)展，控制界學(xué)者在研究自組織、自學(xué)習(xí)控制的基礎(chǔ)上，為了提高系統(tǒng)的自學(xué)習(xí)能力，開始將人工智能技術(shù)與方法應(yīng)用于實(shí)際控制系統(tǒng)：1.計(jì)算機(jī)數(shù)控技術(shù)自從由硬件數(shù)控跨越式發(fā)展到軟件數(shù)控以來，*近二十年，仍處于一個(gè)功能不斷完善的時(shí)期，雖然也有一些新穎數(shù)控技術(shù)的報(bào)道，但還沒有突破傳統(tǒng)的系統(tǒng)框架。

　　本文立足于上述狀況，提出將人工智能技術(shù)應(yīng)用于計(jì)算機(jī)數(shù)控系統(tǒng)中，尋求中間的交叉點(diǎn)和結(jié)合的新途徑。由于數(shù)控機(jī)床是一個(gè)機(jī)、電、液、氣相結(jié)合的復(fù)雜被控對(duì)象，很難建立精確的數(shù)學(xué)模型，采用經(jīng)典控制理論雖能解決一些控制問題，但在加工過程的控制和故障診斷及維修方面顯得有些困難。為此，本文針對(duì)數(shù)控系統(tǒng)的某一個(gè)功能模塊，采用人工智能技術(shù)來予以實(shí)現(xiàn)，以達(dá)到替換或者提高系統(tǒng)性能的目的。

　　1模糊控制在數(shù)控系統(tǒng)中的應(yīng)用模糊數(shù)學(xué)（也稱模糊集合論）是1965年由L.A.Zadeh所創(chuàng)。他在深入探索和研究“大系統(tǒng)”、“模糊性”、“計(jì)算機(jī)”和“人腦思維”之間的關(guān)系與矛盾過程中，從數(shù)學(xué)與人腦思維的分離處入手，結(jié)果發(fā)現(xiàn)Contor所創(chuàng)的集合論實(shí)質(zhì)上是剔除了模糊性而抽象出來的數(shù)學(xué)概念，是把思維過程絕對(duì)化，從而達(dá)到精確和嚴(yán)格的目的。為此，他將模糊性和數(shù)學(xué)統(tǒng)一起來，并且不是讓數(shù)學(xué)放棄其嚴(yán)格性去遷就模糊性，而是讓數(shù)學(xué)回過頭來吸取人腦對(duì)于模糊現(xiàn)象認(rèn)識(shí)和推理中的優(yōu)點(diǎn)，于是1965年在InformationandControl）〉雜志上發(fā)表了**篇開創(chuàng)性經(jīng)典論文“FuzzySets這時(shí)，可以使用一個(gè)二維模糊控制器來實(shí)現(xiàn)增益控制。其結(jié)構(gòu)框圖如所示。圖中FPD的模糊查詢表可采用隸屬度函數(shù)和規(guī)則推理獲得，也可采用簡(jiǎn)單實(shí)用的規(guī)則自調(diào)整控制策略。

　　位置環(huán)增益模糊控制原理框人工神經(jīng)網(wǎng)絡(luò)在數(shù)控系統(tǒng)中的應(yīng)用人工神經(jīng)網(wǎng)絡(luò)（ANN）的研究由來已久，并且曾經(jīng)在60年代掀起過一次研究熱潮。但在經(jīng)歷了十年的低谷后，80年代開始復(fù)興，又吸引了研究人員極大的興趣。概括起來，ANN具有如下幾個(gè)顯著特點(diǎn)：分布式存貯信息，即使網(wǎng)絡(luò)的某一部分受到損壞，可依靠聯(lián)想記憶功能恢復(fù)出原來的信息。

　　并行方式處理信息，大大加快了運(yùn)行速度。

　　連續(xù)方式進(jìn)行學(xué)習(xí)，方法簡(jiǎn)單。

　　以眾多的神經(jīng)元組成一個(gè)網(wǎng)絡(luò)，可以逼近任意非線性系統(tǒng)。

　　所以，基于ANN設(shè)計(jì)的控制系統(tǒng)，均具有較好的適應(yīng)性、智能性和魯棒性，能夠處理高維數(shù)、非線性、強(qiáng)干擾、不確定、難建模的復(fù)雜對(duì)象，具體體現(xiàn)在如下幾個(gè)方面：利用自適應(yīng)神經(jīng)元來實(shí)現(xiàn)數(shù)控系統(tǒng)位置環(huán)軟件增益的調(diào)節(jié)控制。

　　利用ANN來實(shí)現(xiàn)數(shù)控系統(tǒng)的故障診斷。

　　利用ANN來實(shí)現(xiàn)數(shù)控系統(tǒng)的插補(bǔ)計(jì)算。

　　CNC系統(tǒng)中插補(bǔ)計(jì)算是其中的核心模塊之一，它是根據(jù)被加工零件輪廓的線型、起點(diǎn)、終點(diǎn)、速度等信息，在起點(diǎn)與終點(diǎn)之間插入一些中間點(diǎn)的過程，也相當(dāng)于“數(shù)據(jù)點(diǎn)的密化處理‘。而BP型人工神經(jīng)網(wǎng)絡(luò)具有極強(qiáng)的復(fù)雜函數(shù)逼近能力，并且已經(jīng)證明：利用一個(gè)三層BP神經(jīng)網(wǎng)絡(luò)，只要各層節(jié)點(diǎn)數(shù)足夠，理論上就能逼近任意復(fù)雜程度的非線性函數(shù)。我們可以利用這個(gè)特點(diǎn)，構(gòu)造出一個(gè)三層BP神經(jīng)網(wǎng)絡(luò)，用來插補(bǔ)非圓曲線輪廓，如所示。

　　3專家系統(tǒng)在數(shù)控系統(tǒng)中的應(yīng)用六十年代，并且獲得了極為有價(jià)值的應(yīng)用。所謂專家系統(tǒng)就是一個(gè)提供具有人類專門水平的求解專業(yè)范圍內(nèi)重要問題的計(jì)算機(jī)程序系統(tǒng)。它能解決那些專門領(lǐng)域中的結(jié)構(gòu)不明確、或者難以確定算法的知識(shí)推理問題。一般來說，一個(gè)功能比較完善的ES由七部分組成：知識(shí)庫(kù)、推理機(jī)制、問題理解、用戶接口、結(jié)論、學(xué)習(xí)機(jī)制、知識(shí)獲取，具體如所示。

　　但是，一般專家系統(tǒng)規(guī)模相對(duì)都較大，屬靜態(tài)知識(shí)處理范疇，面對(duì)實(shí)際控制系統(tǒng)還不能實(shí)現(xiàn)在線控制。

　　為此，Astrom于1984年將它引入實(shí)時(shí)控制領(lǐng)域，并首次提出專家控制（ExpertControl）的名稱，目前發(fā)展成為智能控制領(lǐng)域的一個(gè)重要分支。

　　計(jì)算機(jī)數(shù)控系統(tǒng)（機(jī)床）是一個(gè)融（下轉(zhuǎn)第40頁(yè)）3結(jié)論對(duì)數(shù)控加過程進(jìn)行了深入細(xì)致地研究，提出了數(shù)控機(jī)床加工中廣義工序思想和適用于數(shù)控加工切削用量?jī)?yōu)化方法。系統(tǒng)地建立了數(shù)控加工中主要加工方法的優(yōu)化數(shù)學(xué)模型，并開發(fā)出了相應(yīng)的應(yīng)用軟件，通過在四五七廠精密加工分廠實(shí)際驗(yàn)證，經(jīng)濟(jì)效益十分顯著。

　　通過對(duì)刀具切削實(shí)驗(yàn)，建立了較為切合實(shí)際的耐用經(jīng)驗(yàn)公式。

　　周澤華。金屬切削原理。上海：上海科技出版社，1984李士勇著。模糊控制。神經(jīng)控制和智能控制論。哈爾濱：哈爾濱工業(yè)大學(xué)出版社，1998械工業(yè)出版社，1999造技術(shù)與機(jī)床，2000（造技術(shù)與機(jī)床，2001（院講師，碩士。（編輯何鋼）